无法创建 Hive 唯一分区

Question

我无法创建唯一分区。当我上传数据时，它会一次又一次地创建所有日期作为分区，即使日期相同

create table product_order1(id int,user_id int,amount int,product string, city string, txn_date string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

好的耗时：0.133 秒

    LOAD DATA LOCAL INPATH 'txn' INTO TABLE product_order1;
    Loading data to table oct19.product_order1
    Table oct19.product_order1 stats: [numFiles=1, totalSize=303]
OK

耗时：0.426 秒

    hive> 
    > set hive.exec.dynamic.partition = true;
    hive> 
    > set hive.exec.dynamic.partition.mode = true;

    hive> 
    > create table dyn_part(id int,user_id int,amount int,product string,city string) PARTITIONED BY(txn_date string) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';
OK

耗时：0.14 秒

    hive >
INSERT OVERWRITE TABLE dyn_part PARTITION(txn_date) select id,user_id,amount,product,city,txn_date from product_order1;

我收到的结果：-

    Loading data to table oct19.dyn_part partition (txn_date=null)
     Time taken for load dynamic partitions : 944
    Loading partition {txn_date=04-02-2015}
    Loading partition {txn_date= 03-04-2015}
    Loading partition {txn_date=01-02-2015}
    Loading partition {txn_date=03-04-2015}
    Loading partition {txn_date= 01-01-2015}
    Loading partition {txn_date=01-01-2015}
    Loading partition {txn_date= 01-02-2015}
     Time taken for adding to write entity : 5
Partition oct19.dyn_part{txn_date= 01-01-2015} stats: [numFiles=1, numRows=1, totalSize=25, rawDataSize=24]
Partition oct19.dyn_part{txn_date= 01-02-2015} stats: [numFiles=1, numRows=1, totalSize=25, rawDataSize=24]
Partition oct19.dyn_part{txn_date= 03-04-2015} stats: [numFiles=1, numRows=2, totalSize=50, rawDataSize=48]
Partition oct19.dyn_part{txn_date=01-01-2015} stats: [numFiles=1, numRows=1, totalSize=26, rawDataSize=25]
Partition oct19.dyn_part{txn_date=01-02-2015} stats: [numFiles=1, numRows=1, totalSize=26, rawDataSize=25]
Partition oct19.dyn_part{txn_date=03-04-2015} stats: [numFiles=1, numRows=1, totalSize=26, rawDataSize=25]
Partition oct19.dyn_part{txn_date=04-02-2015} stats: [numFiles=1, numRows=1, totalSize=25, rawDataSize=24]
MapReduce Jobs Launched: 
Stage-Stage-1: Map: 1   Cumulative CPU: 4.03 sec   HDFS Read: 4166 HDFS Write: 614 SUCCESS
Total MapReduce CPU Time Spent: 4 seconds 30 msec

Answer 1

我注意到有些日期包含空格，有些没有空格：

txn_date= 03-04-2015 和 txn_date=03-04-2015

尝试添加trim:

INSERT OVERWRITE TABLE dyn_part PARTITION(txn_date) 
select id, user_id, amount, product, city, trim(txn_date) as txn_date 
from product_order1;

也最好使用 Hive 兼容的日期格式yyyy-MM-dd，它是可排序的。

要同时格式化日期和删除空格，您可以使用 regexp_replace。如果你现在的格式是MM-dd-yyyy，那么你可以这样格式化：

select regexp_replace(' 03-04-2015','.*?(\d{2})-(\d{2})-(\d{4})','--') --fix accordingly if it is dd-MM-yyyy. In this case it should be '--' in the replacement template.

Returns:

2015-03-04

或者这样加载：

INSERT OVERWRITE TABLE dyn_part PARTITION(txn_date) 
select id, user_id, amount, product, city, 
       regexp_replace(txn_date,'.*?(\d{2})-(\d{2})-(\d{4})','--') as txn_date 
  from product_order1;

正则表达式表示：

'.*? - 任何字符零次或多次

(\d{2}) - 第一组 2 位数字，将在替换中作为 </code> <code>- 字面意思

(\d{2}) - 第二组 2 位数字，将在替换中作为 </code> <code>- 字面意思

(\d{4}) - 第三组 4 位数字，将在替换中作为 </code> 作为替换 <code>'--' 我们以正确的顺序从正则表达式中提取组，并用破折号分隔。假设 $3 是年份，$1 是月份，$2 是日期中的日期。您按正确的顺序放置组以获得 yyyy-MM-dd 因为无法理解您使用的是哪种格式：MM-dd-yyyy 或 dd-MM-yyyy

无法创建 Hive 唯一分区

Unable to create Hive unique paritions

hadoop

hive

date

hive-partitions